Гуманайзери проти детекторів ШІ: один сервіс обходить Pangram у 4% або 87% випадків — залежно від тесту

5 жовтня 2026 року OpenAI оголосила, що вбудовує в тексти ChatGPT для користувачів ЄС невидимий водяний знак textGrain. У серпні те саме оголосила Anthropic для Claude, а Google маркує тексти Gemini з 2024 року. Паралельно росте ринок сервісів, які обіцяють зробити машинний текст «людським», — гуманайзерів. Їхні рейтинги щомісяця називають переможців: у жовтні один поставив першим StealthGPT (88% текстів пройшли детектор Pangram), інший — Phrasly (86,7%; у загальному заліку того рейтингу перший WriteHuman). У першому рейтингу той самий Phrasly пройшов Pangram лише в 4% випадків.

Справжня картина менш драматична. Водяний знак, детектор мовного профілю і метадані вставлення — три різні сигнали, і обхід одного не означає обходу інших. Рейтинги гуманайзерів ведуть самі продавці гуманайзерів, і кожен опиняється на першому місці у власному тесті. Незалежні дослідження дають розкид від 1% до 97% пропущених текстів для того самого детектора, залежно від версій. А в найсуворішому тесті якості (його провів виробник гуманайзера TextPulse, детектор — GPTZero) текстів, що пройшли детектор і не втратили фактів, цитат чи сенсу, було від 0 до 10%.

Відсоток «успіху» гуманайзера — це властивість пари «сервіс + детектор» на певну дату й того, хто проводить тест, а не лише самого сервісу: у п’яти незалежних дослідженнях Pangram пропускав від 1% до 97% переписаних текстів, а у Вікіпедії машинний текст однаково впирається не в детектор, а в перевірку джерел.

Це огляд опублікованих досліджень і тестів станом на 28 жовтня 2026 року, а не інструкція з обходу детекторів і не юридична порада. Усі відсотки стосуються конкретних версій сервісів і детекторів на дату тесту.

01 · Три сигнали, які постійно плутають

Мовна модель пише текст, щоразу обираючи наступний токен — слово або його частину — з кількох правдоподібних варіантів. Статистичний водяний знак трохи керує цим вибором за допомогою секретного ключа. Окреме слово нічого не видає, але на сотнях слів накопичується закономірність, яку може перевірити лише детектор власника ключа. Знак живе у виборі слів, а не у форматуванні, тому копіювання в документ чи систему керування сайтом його не знищує. Довге тире, слово «delve» чи однакова довжина речень — не водяний знак, а стильові ознаки.

Класифікатор мовного профілю — Pangram, GPTZero, Turnitin, Originality.ai — навчений на прикладах людських і машинних текстів і оцінює ймовірність, що текст написала модель. Він нічого не знає про ключі водяних знаків і працює з текстами будь-якої моделі, зокрема відкритих, які знаків не мають. Саме цей профіль і намагаються змінити гуманайзери.

Метадані вставлення — третій сигнал. Коли текст копіюють із вебінтерфейсу чат-бота, разом із ним можуть передаватися службові метадані. Саме їх з вересня 2026 року перевіряє LLM Paste Check у візуальному редакторі англійської Вікіпедії (з 8 жовтня — у всіх Вікіпедіях).

Звідси головний висновок для всієї статті: текст, що пройшов Pangram, може й далі містити водяний знак textGrain чи Claude. І навпаки: знайдений водяний знак не показує, хто перевіряв факти, скільки редагувала людина і чи відповідає текст правилам Вікіпедії.

02 · Три роки перегонів

Першу спробу OpenAI — AI Text Classifier — закрили за пів року через низьку точність. Відтоді детектори посилилися, обхід став окремим бізнесом, а Вікіпедія й регулятори перейшли від порад до заборон і обов’язкового маркування.

03 · Водяний знак: що він витримує, а що — ні

Google описала свій SynthID-Text у рецензованій статті в Nature у жовтні 2024 року. В експерименті на ≈20 млн відповідей Gemini частка оцінок «подобається» з водяним знаком і без нього відрізнялася на 0,01 процентного пункта, «не подобається» — на 0,02 п. п.: користувачі різниці не помітили. Код для генерації й перевірки знака Google відкрила в бібліотеці Hugging Face Transformers. Сама компанія попереджає, що знак менш ефективний на фактичних відповідях, а сильне переписування чи переклад знижують упевненість детектора.

Anthropic 14 серпня 2026 року пояснила, що нові моделі Claude ставлять у текст варіант того самого підходу SynthID-Text — через вимоги AI Act, але одразу для всього світу. Власних цифр надійності компанія не наводить, зате чесно перелічує обмеження: на коротких текстах перевірка ненадійна, у фактичних текстах і коді сигнал слабкий; легкі правки знак навряд чи приберуть, а «повне переписування кожного слова» — прибере. Переклад, зроблений самим Claude, знак зберігає, бо модель обирає кожне слово. Детектор доступний лише через закритий API для регуляторів, медіа, фактчекерів, дослідників і освітніх організацій.

OpenAI 5 жовтня 2026 року оголосила про textGrain у ChatGPT і Codex для користувачів ЄС: розгортання поетапне, протягом найближчих тижнів. Клієнти API в усьому світі можуть увімкнути його для окремих моделей — за замовчуванням він вимкнений. Сама сторінка компанії недоступна для автоматичного читання, тому цифри технічного звіту ми звіряли за чотирма виданнями. На уривках із 400 токенів знак виявляли приблизно у 95% випадків, на 200 токенах — приблизно у 80%, при порозі в 1% хибних спрацьовувань. Контрольована заміна слів синонімами показує межу стійкості.

У OpenAI текстовий водяний знак був готовий ще 2024 року: тоді The Wall Street Journal писав про систему, що розпізнавала тексти ChatGPT із «99,9%» упевненістю, але компанія її не випустила. Чи це той самий textGrain — невідомо. В опитуванні, яке замовила OpenAI, майже 30% користувачів заявили, що користувалися б ChatGPT менше, якби знак з’явився лише в нього. Знак з’явився у відповідь на вимоги ЄС: стаття 50 AI Act почала застосовуватися 2 серпня 2026 року (для систем, що вже були на ринку, — з відстрочкою до 2 грудня).

Академічні дослідження показують ту саму картину на відкритих моделях. Водяний знак «зеленого списку» (Kirchenbauer та ін.) після людського парафразу лишався виявним, але в середньому лише після 800 токенів. Парафраз окремою моделлю DIPPER знизив виявлення водяного знака зі 100% до 57%, а статистичного детектора DetectGPT — з 70% до 5%. Рекурсивний парафраз у п’ять раундів знижував виявлення знака на уривках із 300 токенів з 99,3% до 9,7% (Sadasivan та ін.). А «крадіжка водяного знака» дозволяла підробити або стерти академічні схеми з успіхом понад 80% менш ніж за $50 запитів (ICML 2024).

Паперовий водяний знак видно на просвіт. Текстовий — лише детектору, у якого є ключ.

Є й межа, яку нинішні водяні знаки поки не долають: моделі з відкритими вагами. Ми не знайшли свідчень, що Llama, Qwen, DeepSeek чи Mistral ставлять у тексти водяні знаки. Дослідники (Gloaguen та ін., 2025) пояснюють, що методи для закритих моделей тут не працюють, бо користувач сам керує генерацією, а знаки, вшиті у ваги, не витримують донавчання й квантизації. AI Act формально не звільняє відкриті генеративні моделі від статті 50, але як виконувати цю вимогу для моделей, запущених на власному комп’ютері, — питання відкрите.

04 · Детектори: обіцянки виробників і незалежні тести

У січні 2023 року OpenAI випустила AI Text Classifier, який правильно розпізнавав 26% машинних текстів і помилково позначав 9% людських. 20 липня 2023 року його закрили «через низьку точність». Відтоді детектори стали значно точнішими — принаймні за власними звітами.

Pangram 16 жовтня 2026 року повідомив, що його четверта версія помилково позначила 0,0041% з 2 046 273 людських текстів і пропустила 0,34% з ≈520 тисяч машинних. Показники виявлення за довжиною тексту — 98,71% (50–99 слів), 99,59% (100–249) і 99,79% (250–499) — це сто відсотків мінус частка пропусків (1,29%, 0,41% і 0,21%), яку публікує виробник; самі показники виявлення Pangram не друкує.

Модельна картка Pangram 4.1 від 19 жовтня додає застереження: мінімум — 50 слів «переважно повними реченнями», до 150 слів інтерфейс показує меншу впевненість, а частка пропусків англійською навіть трохи зросла: 0,3652% проти 0,3396% у Pangram 4. Для одного речення надійних вимірювань немає взагалі. Тож «абзац» для Pangram — це мінімально придатний фрагмент, а сторінка A4 (≈350–600 слів) — на практиці комфортний, хоча Pangram публікує дані лише до 499 слів.

Незалежні перевірки здебільшого підтверджують, що Pangram — сильний детектор, але не настільки бездоганний, як у самозвіті; проте їх проводили на ранніх версіях (до Pangram 4/4.1), тож пряме порівняння з самозвітом умовне.

• Чиказький університет (NBER, 2025, робочий документ без рецензії; версія Pangram 2025 року). На 1 992 людських уривках до 2020 року при оптимальному порозі (за Юденом) середня частка хибних спрацьовувань за шістьма жанрами (розрахунок за таблицею статті) була: Pangram — 0,22%, Originality.ai — 0,75%, GPTZero — 0,89%, відкрита модель RoBERTa — 57,9%. На коротких уривках до 50 слів Pangram помилявся частіше: 1,1% хибних, 3,2% пропусків.
• Epoch AI (липень 2026, Pangram 3.3.2). На 495 людських текстах Pangram і GPTZero не помилилися жодного разу, Originality.ai — 19 разів (3,84%). Але коли моделі імітували стиль конкретного автора, Pangram пропустив 10,1% машинних текстів, GPTZero — 10,8%, Originality.ai — 17,9%; найважче було з науковими текстами.
• Брюссельський університет VUB (2026, попередньо зареєстроване дослідження). У 160 роботах обсягом від 4 000 слів (з них 40 — людські) хибних спрацьовувань не було в жодного з чотирьох детекторів. Повністю машинні роботи (ChatGPT Deep Research) Pangram за суворим критерієм розпізнав у 65% випадків, Turnitin, GPTZero і Copyleaks — у 0%. На власній сторінці «сторонніх оцінок» Pangram цитує м’якший показник — 97,5%.
• Бенчмарк RAID. Таблиця лідерів насичена, але результати подають самі розробники детекторів: при 5% хибних спрацьовувань і без атак Winston AI має 100%, GPTZero — 98,4%, Pangram (модель 2024 року) — 99,3%. У статті 2024 року атака гомогліфами — заміна літер схожими символами інших алфавітів — знижувала точність Originality з 85% до 9%.

05 · Арифметика хибних звинувачень

Навіть точний детектор може давати багато хибних звинувачень, якщо справжніх випадків мало. Формула проста: частка хибних серед позначених = FPR × (1 − p) / [FPR × (1 − p) + TPR × p], де p — частка робіт, справді написаних ШІ. Візьмемо 1 000 робіт, із яких 100 написав ШІ, і детектор із 1% хибних спрацьовувань, який ловить усі машинні тексти. Він позначить 109 робіт, і 9 із них будуть людськими — кожне дванадцяте звинувачення. Якщо ШІ користувався лише кожен сотий, хибною буде вже половина звинувачень.

Найгірше з цим у неносіїв мови. У 2023 році дослідники Стенфорда перевірили 91 есе TOEFL сімома детекторами: у середньому 61,3% есе визнали машинними, а 97,8% позначив хоча б один детектор. Есе американських восьмикласників детектори класифікували майже бездоганно. Сучасні детектори заявляють, що проблему розв’язано: Pangram у жовтні 2026 року повідомив про нуль хибних спрацьовувань на 15 420 есе студентів, для яких англійська не рідна. Але це самозвіт, а незалежних тестів такого масштабу ми не знайшли.

Наслідки вже вимірюються. Vanderbilt University вимкнув детектор Turnitin у серпні 2023 року, порахувавши: 75 000 робіт на рік при заявленому 1% хибних — це ≈750 робіт, які могли б бути хибно позначеними. Washington State University у лютому 2026 року відмовився від того самого детектора: восени 2024 року через нього пройшли 148 547 робіт, а 33% справ про ШІ, які розглядала комісія з доброчесності у 2023–2025 роках, завершилися рішенням «не винен», бо іншого доказу, крім детектора, не було. Australian Catholic University, за даними ABC, 2024 року отримала ≈6 000 звернень щодо порушень доброчесності, ≈90% з них стосувалися ШІ; університет ці цифри оскаржує, але детектор вимкнув у березні 2025 року. У січні 2026 року суд у Нью-Йорку, за повідомленнями, скасував санкцію студенту Adelphi University, ухвалену на підставі висновку Turnitin «100% ШІ».

Регулятори теж почали перевіряти обіцянки. У 2025 році Федеральна торгова комісія США зобов’язала компанію Workado припинити рекламувати свій детектор як «точний на 98%»: за тестами розробників моделі, яку компанія взяла готовою, машинні тексти поза науковою тематикою вона розпізнавала лише в 53% випадків. Та сама компанія продавала функцію, що робила текст «невиявним».

06 · Що таке гуманайзер і хто ним користується

Гуманайзер — це сервіс перефразування. Він змінює слова, синтаксис, довжину речень, порядок аргументів і тон, щоб віддалити текст від шаблонів, на яких навчені детектори. Їхня мета — змінити слова й будову тексту. Приховані символи й гомогліфи відомі переважно з академічних атак (RAID), а в тесті TextPulse прихованих символів у жодному із сервісів не виявили. Аудит 19 сервісів (DAMAGE, січень 2025 року, автори з Pangram) задокументував типові побічні ефекти: беззмістовні фрази, вигадані посилання, заміну слів за словником без зміни будови речення, зниження стилю до рівня середньої школи, друкарські помилки.

Ринок великий і швидкий. За оцінкою OneLittleWeb, у вересні 2026 року 23 гуманайзери з її добірки (без Undetectable.ai, QuillBot, HIX Bypass і Walter Writes) разом мали ≈33 млн відвідувань на місяць, на 44% більше, ніж у серпні. Найбільші — Stealthwriter (13,3 млн; не плутати зі StealthGPT, у якого 0,35 млн) і Humanize AI (12,3 млн). Undetectable.ai заявляє про понад 24 млн користувачів і водночас продає власний детектор. Найдешевші платні тарифи провідних сервісів коштують ≈$10–30 на місяць. За даними NBC, Turnitin відстежує близько 150 таких сервісів.

Текст можна «випрати» до невпізнання. Питання в тому, що лишиться від цифр і цитат після віджиму.

Іронічна деталь: на GitHub один із найпопулярніших відкритих «гуманайзерів» для чат-ботів — репозиторій blader/humanizer, понад 61 тисяча зірок — побудований на сторінці Вікіпедії «Signs of AI writing». Сама сторінка попереджає: не сприймайте ці ознаки як проблеми, які треба виправити, бо так ви лише ускладните виявлення.

07 · Скільки відсотків «успіху»: рейтинги з конфліктом інтересів

Обидва рейтинги існують, і їхні цифри збігаються з опублікованими. Але HumanizerBench веде WriteHuman, а HumanizerEval, судячи з усього, — StealthGPT (сам він цього не розкриває): обидві компанії продають протестовані сервіси.

HumanizerEval (22 жовтня 2026 року) прогнав 50 англомовних машинних текстів по 364–997 слів через 11 гуманайзерів і шість детекторів. «Пройшов» означає, що детектор дав загальний вердикт «людина»; змішані вердикти вважаються провалом. StealthGPT пройшов Pangram 4.1 у 88% випадків і всі шість детекторів одночасно — у 17 текстах із 50; Undetectable.ai — в одному тексті, решта — у жодному. Дані рейтингу опубліковано в GitHub-організації StealthGPT-Labs з описом «публічні звіти бенчмарку StealthGPT», але на сайті організатора не названо й конфлікт інтересів не розкрито. Сам рейтинг попереджає, що похибка частки з 50 текстів — близько ±14 процентних пунктів.

HumanizerBench (тест 1 жовтня 2026 року) відкрито вказує, що його веде WriteHuman. Тут 14 сервісів отримали по 30 завдань, а «пройшов» означає оцінку «людина» від 50%. Проти Pangram першим став Phrasly (26 із 30), далі StealthGPT (22) і WriteHuman (15); Undetectable.ai пройшов один раз, дев’ять сервісів, серед них Walter Writes, HIX Bypass і Grammarly, — жодного. Pangram і GPTZero погодилися у вердикті лише щодо 52,6% текстів.

Один сервіс у різних тестах дає протилежні результати. Phrasly проти Pangram — 4% у HumanizerEval (Pangram 4.1, стандартний режим, без Ultra), 86,7% у HumanizerBench (Pangram 4, режим не вказано) і 100% у власному тесті Phrasly (Pangram 4, режим Ultra, 72 тексти). Результати застарівають за тижні: у рейтингу StealthGPT-Labs частка проходжень WriteHuman проти Pangram упала з ≈65% у звіті 30 вересня (Pangram 4; значення — за описом у репозиторії) до 26% у звіті 22 жовтня (Pangram 4.1).

Попри конфлікти, у кількох речах рейтинги сходяться. Дешеві сервіси — HIX Bypass, Humbot, BypassGPT — проти Pangram не проходять узагалі. Undetectable.ai в усіх тестах проходить Pangram 4 і 4.1 менш ніж у половині випадків. А Winston AI і ZeroGPT пропускають більшість текстів майже всіх сервісів, часто 90–100%. Тобто «відсоток успіху» гуманайзера значною мірою вимірює слабкість детектора, з яким його порівнюють.

Turnitin, найпоширеніший детектор в університетах, у цих рейтингах не тестували: у нього немає публічного API для такого обсягу. Заява на головній сторінці HumanizerEval про «≈95% обходу Turnitin» спирається на неназване «незалежне тестування», хоча Turnitin там не тестували. Turnitin із серпня 2025 року має окремий режим виявлення гуманайзерів, але його точності не публікував.

08 · Незалежні тести: від 1% до 97%

Досліджень без комерційного інтересу небагато, і жодне не перевіряло найновіші версії водночас гуманайзерів і детекторів. Але й вони показують: результат визначає пара версій, жанр і поріг.

У тесті Чиказького університету після StealthGPT (версія 2025 року) Pangram пропустив у середньому 1,3% машинних текстів, Originality.ai — 6,2%, GPTZero — 56,8% (середні NeuroDrift за 24 комбінаціями «модель × жанр» із таблиці статті). На конференції ICML 2026 дослідники пропустили через Undetectable AI 2 000 машинних рецензій на наукові статті: Pangram 3.0 назвав людськими 7,2% (решту — машинними або змішаними), GPTZero не визнав машинними 13,3%, три відкриті детектори не розпізнали жодної. У тому ж дослідженні гуманізація відредагованих ШІ людських рецензій підняла хибні спрацьовування GPTZero з 3,0% до 65,6% (у Pangram 3.0 — лише з 3,0% до 3,6%).

Найнесподіваніший результат — у препринті Karr та ін. (серпень 2026 року). На 642 наукових анотаціях після Undetectable AI версії 11 Pangram 3.2 пропустив 96,6% машинних текстів анотацій 2023–2025 років, GPTZero — 96,1%. А людські анотації, відредаговані моделлю Gemini за промптом на кшталт «зроби звучання людянішим» (не чиста граматика), Pangram 3.2 позначав як ШІ у 64–80% випадків. Автори роблять висновок: чесне редагування з ШІ несе вищий ризик покарання, ніж свідомий обхід гуманайзером.

Виробники детекторів суперечать один одному. Pangram заявляє, що його четверта версія виявляє ШІ в 98,83% текстів після 13 комерційних гуманайзерів. GPTZero стверджує, що на переписаних текстах сам має 93,5% повноти, а Pangram v3 — лише 50,2%. Незалежної перевірки Pangram 4 чи 4.1 проти комерційних гуманайзерів після липня 2026 року ми не знайшли.

09 · Ціна переписування: факти, цитати, сенс

Гуманайзер оцінюють за тим, чи пройшов текст детектор. Але для публікації важливіше, чи лишився текст правдивим. Найсуворішу перевірку зробив TextPulse — компанія, яка сама продає гуманайзер, тож її результати потребують незалежного повторення. До якісного порогу входили схожість змісту, збереження 90% цитат, жодних вигаданих чисел чи назв і жодних прихованих символів.

Walter Writes, найкращий за обходом GPTZero (60%), у середньому вигадував 4,4 нових числа чи назви на текст із ≈300 слів — вигадані розміри вибірок, відсотки, довірчі інтервали, автори й установи. QuillBot зберіг лише 29% цитат (його відповіді обрізалися до ≈125 слів). Grammarly не пройшов GPTZero жодного разу, зате 85% його текстів визнали придатними до використання.

HumanizerEval, пов’язаний зі StealthGPT, теж перевіряв фактичну узгодженість — методику він не розкриває, а переписаних текстів не публікує. Навіть за його оцінкою більшість сервісів змінюють факти в третині-трьох чвертях текстів.

HumanizerBench показує ту саму закономірність з іншого боку: що краще сервіс обходить детектори, то менше зберігає сенс.

Виробники це визнають. За власним тестом Phrasly, на один текст StealthGPT вносив у середньому 3,5 фактичних змін, Undetectable — 6,2, WriteHuman — 2,6, а сам Phrasly Ultra — 0,9. StealthGPT повідомив, що 18% текстів його нової моделі Super не пройшли внутрішню перевірку на фактичну узгодженість. Дослідники наукової доброчесності ще 2021 року описали «закатовані фрази» — продукт парафразерів, що, наприклад, перетворювали «штучний інтелект» на «підроблену свідомість». Для енциклопедичної статті одне таке число чи одна вигадана цитата коштує більше, ніж будь-який пройдений детектор.

10 · Вікіпедія: перевіряють джерела, а не стиль

За 2025–2026 роки великі Вікіпедії перейшли від порад до заборон. В англійській Вікіпедії з березня 2026 року діє настанова: використання мовних моделей для створення чи переписування тексту статей «суворо заборонено». Обговорення завершилося з рахунком 44 проти 2. Винятки — граматична правка власного тексту з людською перевіркою і переклад з інших мовних розділів. Санкції вимагають доказів понад «базові стильові чи мовні ознаки». З серпня 2025 року діє критерій швидкого вилучення G15. З серпня 2026 року він вимагає однозначних ознак: звернення чат-бота до користувача, неіснуючих джерел (неправильні ISBN, DOI, що ведуть на іншу статтю) або технічних слідів на кшталт «oaicite» і «turn0search0». У Німецькій Вікіпедії заборону ухвалили голосуванням 208 проти 108 у лютому 2026 року. Українська Вікіпедія перейняла англійські правила: настанову «Написання статей з використанням ВММ» (переклад англійської) затвердили 6 травня 2026 року за участі 10 користувачів, а критерій швидкого вилучення 2.5 з’явився в липні 2026 року (30 липня — за таблицею Meta; обговорення ми не бачили). Окремого правила щодо ШІ в політиках про оплачуване редагування (WP:PAID, конфлікт інтересів, умови користування Wikimedia) ми не знайшли, але заборона поширюється на всіх.

Інструменти теж з’явилися. LLM Paste Check попереджає у візуальному редакторі, коли вставлено щонайменше 50 символів із метаданими ChatGPT, Claude, Gemini, Copilot чи DeepSeek, і просить пояснити, навіщо лишати текст. В англійській Вікіпедії його ввімкнули 24 вересня, у всіх Вікіпедіях — 8 жовтня 2026 року. Це не класифікатор і не водяний знак. Офіційних показників ефективності немає. За неофіційним підрахунком у запиті спільноти (Quarry), із 731 показаного попередження 54% закінчилися збереженням без позначки — тобто текст прибрали або очистили метадані. Обійти перевірку просто: вона не працює в редакторі вікікоду, і, за словами автора пропозиції у списку побажань спільноти, чат-боти вже радять користувачам саме його. Водяні знаки поки що з’явилися лише в заявці на прототип перевірки через SynthID — і тільки для Gemini.

Pangram у Вікіпедії використовують точково. Wiki Education — організація, яка веде студентські програми редагування, — проганяє через нього правки учасників і автоматично надсилає їм попередження. При цьому організація прямо пише, що не вважає результат доказом: лише сигналом, який текст перевірити уважніше.

Найцінніші цифри — з її звіту за 2025 рік. Pangram позначив 178 із 3 078 нових статей учасників (5,8%) і жодної статті до появи ChatGPT. Половина персоналу організації місяць перевіряла їх уручну.

Тобто вигадані джерела — радше виняток: у вибірці Wiki Education їх було лише у 7% зі 178 статей, а решта посилалася на справжні джерела, які не підтверджували написаного (понад дві третини статей не пройшли перевірку). У WikiProject AI Cleanup в інтерв’ю IEEE Spectrum назвали такі посилання «надзвичайно поширеними». Тому WikiProject AI Cleanup використовує Pangram і GPTZero лише як «ще одну точку даних», а сторінка «Signs of AI writing» прямо радить не покладатися тільки на детектори.

Масштаб явища складно виміряти. У серпні 2024 року дослідники (Brooks та ін.) позначили понад 5% нових статей англійської Вікіпедії (GPTZero: 5,36%); після віднімання очікуваних хибних спрацьовувань — щонайменше 4,4%. За оцінкою, яку в WikiProject AI Cleanup навели IEEE Spectrum, у кінці 2025 року Pangram позначав ≈20% нових статей і чернеток, на початку 2026-го — 15–16%; методики не опубліковано.

У Вікіпедії текст рятує або топить не стиль, а виноска: чи написано в джерелі те, що стоїть у статті.

Чому Вікіпедія важлива для того, що про компанію відповідають мовні моделі, ми розбирали в текстах «Чому ChatGPT довіряє Wikipedia більше, ніж вашому сайту» і «Бренд без Wikipedia — компанія без паспорта в епоху LLM», а як ШІ-відповіді змінюють відвідуваність самої енциклопедії — у брифінгу «Трафік Вікіпедії 2001–2035».

Для професійного редагування Вікіпедії з цього випливає практичний висновок. Метрика якості — не те, чи пройшов текст детектор, а те, чи підтверджене кожне суттєве твердження незалежним джерелом і чи дотримано політик щодо ШІ та оплачуваного редагування. Гуманайзер тут не допомагає, а може шкодити: у тестах деякі сервіси додавали вигадані числа й цитати — саме те, на чому машинні статті й попадаються.

11 · Українська мова і людське око

Детектори навчали насамперед на англійській, і довго це було помітно. У незалежному тесті MULTITuDE (2023 рік) GPTZero на українській майже не відрізняв машинний текст, тоді як мультимовний детектор, донавчений на 11 мовах, працював українською так само добре, як англійською. Цікава деталь: детектор, навчений лише на англійській, на українських текстах давав 0,67, а навчений на російській — 0,94; мовна близькість важить.

Сучасні виробники заявляють про високу точність українською. Pangram у 2024 році повідомив про 99,95% (≈2 000 текстів на мову, машинні тексти лише від GPT-4o), GPTZero у 2025 році — про 96% повноти, найнижчий показник серед 21 мови в його таблиці. За модельною карткою самого Pangram 4.1, він помилково позначає 0,009% українських людських текстів (розмір вибірки не наведено). Але незалежних тестів сучасних детекторів українською ми не знайшли. Зворотний переклад як атака для української виявився слабшим, ніж для англійської: 14,5% успіху проти 30,6% для моделі m2m100 (для NLLB — 15,4% проти 21,3%) (Macko та ін., EMNLP 2024).

В Україні МОН і Мінцифри у 2025 році випустили рекомендації щодо використання ШІ у вищій освіті (сам текст ми відкрити не змогли). Університети використовують StrikePlagiarism, який із 2023 року має функцію виявлення ШІ-тексту, а сайт Unicheck тепер веде на сторінку Turnitin. Незалежної оцінки цих інструментів на українських текстах ми не знайшли. У невеликому опитуванні 201 студента в Білій Церкві (осінь 2025 року) понад 80% сказали, що користуються ШІ в навчанні, а 88% не вважають допоміжне використання порушенням доброчесності. Обов’язкового маркування ШІ-контенту в українському законодавстві ми не знайшли. Біла книга Мінцифри (червень 2024 року) на першому етапі пропонує добровільні інструменти маркування, а обов’язкове регулювання за аналогом AI Act відносить до другого етапу.

Людина без інструментів упізнає машинний текст гірше, ніж здається. У дослідженні 2024 року досвідчені вчителі правильно визначили лише 37,8% есе, написаних ChatGPT. Виняток — люди, які самі часто пишуть із ChatGPT: п’ятеро таких експертів голосуванням більшістю помилилися в одній статті з 300. Але індивідуально кожен із них хибно звинувачував авторів у 1,3–12% випадків.

Стильові ознаки рухаються слідом за модою. Щонайменше 13,5% анотацій PubMed 2024 року оброблено мовними моделями, а слово «delves» траплялося в 28 разів частіше за прогноз. Частота «ознак ChatGPT» в анотаціях arXiv почала падати з квітня 2024 року; автори дослідження пояснюють це тим, що автори текстів навчилися їх уникати. Тому список слів — найслабший із доказів.

12 · Правила і гроші

Обов’язкове маркування тексту існує в Китаї (з 1 вересня 2025 року) і ЄС. Каліфорнійський закон SB 942 тексту не стосується.

Стаття 50(2) AI Act зобов’язує провайдерів систем, що генерують текст, зображення, аудіо чи відео, маркувати результат у машинозчитуваному форматі так, щоб його можна було виявити. Обов’язок не діє, коли система лише допомагає зі стандартним редагуванням або суттєво не змінює вхідний текст. Стаття 50(4) вимагає від тих, хто публікує згенерований текст для інформування суспільства про суспільно важливі питання, розкривати це — крім випадків, коли текст пройшов людську перевірку чи редакційний контроль і за публікацію відповідає конкретна особа або організація. Штраф — до €15 млн або 3% світового обороту, залежно від того, що більше. Заборони користувачам прибирати водяний знак у статті 50 ми не знайшли: обов’язок лежить на провайдерах. Для систем, які були на ринку до 2 серпня 2026 року, маркування за пакетом Digital Omnibus відклали до 2 грудня 2026 року. Кодекс практики щодо прозорості згенерованого контенту, фінальну версію якого опублікували 10 червня, до кінця липня підписали близько 190 організацій, серед них OpenAI, Anthropic, Google, Meta і Mistral.

На детекції заробляють помітні, але не величезні гроші. Pangram у липні 2026 року залучив $9 млн у раунді A на чолі з Menlo Ventures (усього ≈$13–14 млн), інтегрований у Substack і коштує $20 на місяць. GPTZero 2024 року залучив $10 млн, його річну регулярну виручку (ARR) на кінець 2025 року сервіс Sacra оцінює у $24 млн. Turnitin належить Advance Publications, яка купила його 2019 року за $1,75 млрд; до березня 2024 року детектор перевірив понад 200 млн робіт і знайшов щонайменше 20% ШІ-тексту в ≈11% із них. Ринок детекторів Grand View Research оцінює у $750 млн у 2026 році — це оцінка однієї аналітичної компанії з неперевіреною методикою.

13 · Карта методів

Нижче — 16 методів детекції та обходу зі статусом на жовтень 2026 року: що вже працює в продуктах, що доступне обмежено, а що існує лише в наукових статтях.

14 · Що це означає для вас

15 · Що далі

Далі — аналітичні сценарії NeuroDrift, а не прогнози з джерел.

• Грудень 2026 — лютий 2027. 2 грудня закінчується пільговий період для маркування в ЄС — для систем, які були на ринку до 2 серпня 2026 року. До 2 лютого 2027 року підписанти кодексу практики мають створити спільне рішення для перевірки водяних знаків — за аналізами юристів, це дата з кодексу. Якщо таке рішення запрацює, редакції й університети вперше зможуть перевіряти водяні знаки кількох провайдерів в одному місці.
• Перегони тривають. З’являються гуманайзери, яких навчають обходу безпосередньо на відповідях детекторів: в одному препринті AuthorMist обходив GPTZero, Winston і Originality у 78,6–96,2% випадків. Детектори у відповідь додають окремі мітки «олюднено». Будь-який відсоток із цієї статті варто сприймати як знімок на дату тесту.
• Комбінація сигналів. Найімовірніший напрям (наша оцінка) — поєднання водяних знаків для закритих моделей, класифікаторів для відкритих і доказів процесу письма: історії версій, чернеток, журналів правок. Вікіпедія вже рухається цим шляхом: метадані вставлення, фільтри правок і ручна перевірка джерел.
• Незалежні тести. Найбільша прогалина — відсутність незалежного, регулярного й відкритого порівняння, де ні організатор, ні спонсор не продають жодного з протестованих продуктів. Поки його немає, кожен «рейтинг гуманайзерів» варто читати разом з іменем того, хто його веде.

Чесність і обмеження

Найсильніший аргумент на користь детекторів. Незалежні тести Чиказького університету, Epoch AI і VUB показали, що сучасні класифікатори, передусім Pangram, майже не помиляються на людських текстах, написаних до появи ChatGPT. В одному дослідженні п’ятеро експертів-людей, які часто пишуть із ШІ, голосуванням більшості майже безпомилково розпізнали машинний текст (індивідуально вони хибно звинувачували авторів у 1,3–12% випадків), тож сигнал реальний. Вендорські рейтинги гуманайзерів самі показують, що проти Pangram більшість сервісів не працює.

Найсильніший аргумент проти. Мало хибних спрацьовувань на «чистих» текстах до 2022 року — не те саме, що мало хибних звинувачень у реальному житті. Там тексти редагують із Grammarly, перекладають, пишуть неносії мови, а частка справжніх випадків невідома. Препринт Karr та ін. (Pangram 3.2) показав, що правка анотацій моделлю за промптом на кшталт «зроби звучання людянішим» позначається частіше, ніж обхід гуманайзером Undetectable AI. Більшість цифр про точність сучасних версій надходить від тих, хто продає детектори або гуманайзери.

Обмеження цього огляду. Ми не проводили власних експериментів із детекторами чи гуманайзерами. Сторінки OpenAI недоступні для автоматичного читання, тож цифри textGrain звірено за чотирма виданнями, а не за першоджерелом. Частину значень (графіки Wiki Education і Brooks та ін.) зчитано з опублікованих зображень із похибкою ±0,3–0,5 п. п. Рішення суду у справі Adelphi відоме з вторинних джерел. Незалежних тестів Pangram 4/4.1 проти комерційних гуманайзерів і будь-яких сучасних детекторів українською ми не знайшли. «Ми не знайшли» тут означає саме це, а не «не існує».

Джерела

• Водяні знаки: Dathathri et al., SynthID-Text, Nature 2024, Hugging Face про SynthID-Text, Anthropic — How Claude’s text watermarking works, OpenAI — Our approach to EU text provenance rules, переказ звіту: fonearena, actuia, letsdatascience, Interesting Engineering; TechCrunch про невипущений знак OpenAI, 2024, Simon Willison про опитування WSJ.
• Стійкість знаків і парафраз: Kirchenbauer et al. 2023, On the Reliability of Watermarks, ICLR 2024, Krishna et al., DIPPER, NeurIPS 2023, Sadasivan et al., Watermark Stealing, ICML 2024, водяні знаки й відкриті моделі, C2PA 2.3.
• Детектори: OpenAI AI Text Classifier і його закриття, Pangram — Is Pangram accurate?, модельна картка Pangram 4.1, Pangram про есе неносіїв, Jabarian & Imas, NBER WP 34223, Epoch AI, липень 2026, Van Vlasselaer et al., IJEI 2026, RAID і таблиця лідерів, Russell, Karpinska, Iyyer, ACL 2025, Turnitin про хибні спрацьовування, Turnitin, рік детектора.
• Хибні звинувачення: Liang et al., Patterns 2023, Vanderbilt, Washington State University, ABC про ACU, Waterloo, Curtin, справа Newby v. Adelphi (переказ), FTC — Workado, 2025.
• Гуманайзери: HumanizerEval, жовтень 2026 і методика, репозиторій StealthGPT-Labs, HumanizerBench — Pangram і лідерборд, TextPulse, тест Phrasly, StealthGPT Super, Saha et al., ICML 2026, Karr et al. 2026, DAMAGE, Pangram про 13 гуманайзерів, GPTZero про переписані тексти, Turnitin проти обходу, AuthorMist, «закатовані фрази», трафік гуманайзерів, OneLittleWeb, NBC News, blader/humanizer.
• Вікіпедія: Writing articles with large language models і RfC 44:2, критерій G15, Signs of AI writing, WikiProject AI Cleanup, категорія позначених статей, LLM Paste Check, бюлетень Wikimedia 2026/20, неофіційний підрахунок Quarry, заявка T423545 (SynthID), Wiki Education, липень 2026, Wiki Education, січень 2026, Brooks, Eggert, Peskoff 2024, IEEE Spectrum, Wikipedia:Künstliche Intelligenz і голосування, ВП:ВММ, Paid-contribution disclosure.
• Мови, люди, стиль: MULTITuDE, Macko et al., EMNLP 2024, Pangram multilingual, GPTZero multilingual, Fleckenstein et al. 2024, Kobak et al., Science Advances 2025, Geng & Trotta 2025, опитування студентів, «Наука і освіта» 2026, рекомендації МОН і Мінцифри (OECD.AI), StrikePlagiarism, Біла книга Мінцифри (dev.ua).
• Правила і гроші: AI Act, стаття 50, стаття 99, Digital Omnibus, Garrigues, кодекс практики, Єврокомісія, DLA Piper про кодекс, Китай, Covington, Каліфорнія AB 853, Pangram, раунд A, GPTZero, раунд A, Sacra про GPTZero, Grand View Research.